在 ARM v6 上使用 java 的数字到字符串转换性能

Question

我在 ARM v6 处理器上运行 Java 软件。这个程序的性质要求我将一些数字（int 或 float）转换为 String。处理器以 850Mhz 运行。 Java Runtime 是 OpenJDK Zero VM 1.7.0_21-b02。

我并不期待这里有坚如磐石的性能，但我希望比我在下面的代码 sn-p 看到的更有效。

    long time1, time2;

    float[] src = new float[2000000];
    for (int i = 0; i < src.length; i++) {
        src[i] = (float)Math.random()* 2.56454512f * (float) Math.random();
    }
    time1 = System.nanoTime();
    for (int j = 0; j < src.length; j++) {
        String test = String.valueOf(src[j]);
    }
    time2 = System.nanoTime();
    logTimeDelay("String.valueOf", time1, time2);

    time1 = System.nanoTime();
    for (int j = 0; j < src.length; j++) {
        String test = Float.toString(src[j]);
    }
    time2 = System.nanoTime();
    logTimeDelay("Float.toString", time1, time2);


    StringBuilder sb = new StringBuilder(50);
    time1 = System.nanoTime();
    for (int j = 0; j < src.length; j++) {
        sb.setLength(0);
        sb.append(src[j]);
    }
    time2 = System.nanoTime();
    logTimeDelay("StringBuilder.append, setLength", time1, time2);

    time1 = System.nanoTime();
    for (int j = 0; j < src.length; j++) {
        String test = "" + src[j];
    }
    time2 = System.nanoTime();
    logTimeDelay("\"\" + ", time1, time2);

    private static void logTimeDelay(String message, long time1, long time2){
        System.out.println(String.format(message + ": %.5f s", (float) (time2 - time1) / 1.0e9));
    }

在我的 i7 电脑上运行这段代码 sn-p 会返回以下结果：

String.valueOf: 0.39714 s
Float.toString: 0.33295 s
StringBuilder.append, setLength: 0.33277 s
"" + : 0.37581 s

在 ARMv6 处理器上运行完全相同的代码 sn-p 会返回以下值：

String.valueOf: 204.78758 s
Float.toString: 200.79659 s
StringBuilder.append, setLength: 180.81551 s
"" + : 267.63036 s

关于如何在此设备上优化我的数字到 int 转换的任何线索？

提前致谢。

Answer 1

“凭空出现”的假设，但您在此处观察到的性能差异似乎与 CPU 缓存有关；您的 ARM CPU 的缓存远少于台式机的 i7。

您的浮点数组中有两个 millions 元素；这使得至少 8 MB 的存储空间。这 8 MB 需要到达 CPU。

我这里也有一个i7，缓存大小是：32kb (L1), 256kb (L2), 6MB (L3);四分之三的浮点数组可以放入 L3！在您的情况下，似乎一次只能有 32kb ......因此有很多缓存抖动并且内存总线流量非常高。

我怀疑如果您将数组大小减小到适合 32kb 的大小（例如，尝试仅使用 1000 个浮点数），性能数据会更接近。

编辑：您的 CPU 也没有 FPU；正如@Voo 所提到的，这占了性能损失的大部分。

所以：

• 缺少 FPU，
• 小缓存，
• 大量数据。

要进行更“真实”的比较，您应该对较小的数据子集进行测试；这至少会缓解（但不能完全消除）缓存问题。